O Uso da Mineração de Processos na Análise do Tempo das Movimentações Processuais

##plugins.themes.bootstrap3.article.main##

Jaqueline K. L. da Cruz
https://orcid.org/0009-0005-2046-0498
Luiz F. V. Verçosa
https://orcid.org/0000-0003-2095-9000
Vinícius Ferreira Silva
https://orcid.org/0000-0001-9889-2331
Carmelo J. A. Bastos-Filho
https://orcid.org/0000-0002-0924-5341
Byron Leite Dantas Bezerra
https://orcid.org/0000-0002-4231-3115

Resumo

O tempo exigido para resolução de processos judiciais impacta a economia, a confiança dos investidores em um país e a vida da população. No Brasil, princípios de boas práticas fornecem diretrizes referentes à duração razoável do processo. Entretanto, modelos de aprendizagem de máquina podem prever com precisão o tempo total processual e prover insights referentes a possíveis causas de ineficiência. Trabalhos da literatura fornecem soluções nesse sentido, porém não consideram as movimentações processuais realizadas no processo durante seu trâmite. Este trabalho utiliza modelos de aprendizagem de máquina treinados com características pautadas na sequência de movimentações processuais e características do tribunal responsável pelo processo. Investiga assim a habilidade dos modelos para a tarefa, além de considerar a importância das features envolvidas. Foram utilizados processos eleitorais de diferentes tribunais regionais, TREs, de estados do nordeste brasileiro. Os modelos foram capazes de prever o tempo total processual com alta acurácia em que o Light Gradient Boosting Machine (LGBM) obteve R² médio de 0.9. Os resultados sugerem a eficiência da abordagem e a exploração de técnicas de mineração de processos como diferencial para a tarefa.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Cruz, J., Verçosa, L., Silva, V., Bastos-Filho, C., & Bezerra, B. (2023). O Uso da Mineração de Processos na Análise do Tempo das Movimentações Processuais. Revista De Engenharia E Pesquisa Aplicada, 9(1), 97-104. https://doi.org/10.25286/repa.v9i1.2785
Seção
Edição Especial em Ciência de Dados e Analytics
Biografia do Autor

Byron Leite Dantas Bezerra, Escola Politécnica de Pernambuco, Universidade de Pernambuco

Possui graduação em Bacharelado em Ciência da Computação pela Universidade Federal de Pernambuco (2001), além de mestrado (2004) e doutorado (2008) em Ciência da Computação, com ênfase em Inteligência Computacional, pela Universidade Federal de Pernambuco. Atualmente é professor Associado do Curso de Graduação e Mestrado em Engenharia da Computação da Universidade de Pernambuco (POLI/UPE). É também Coordenador do Mestrado em Engenharia de Computação da UPE. Na liderança do Grupo de Pesquisa em Reconhecimento de Padrões cadastrado no CNPq e certificado pela UPE, Byron desenvolve projetos de pesquisa com outros professores pesquisadores e estudantes da UPE e UFPE, congregando pouco mais de 8 professores doutores além de 35 estudantes de graduação e pós-graduação destas duas universidades. Além disso, Byron é sócio fundador da Callere Document Solutions SA, empresa associada a Stefanini e que possui como foco o desenvolvimento de tecnologias e soluções para reconhecimento, recuperação, extração e processamento de informações em documentos digitais e redes sociais. Byron possui experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: reconhecimento de padrões, processamento de imagens, reconhecimento de gestos, reconhecimento de escrita, sistemas de recomendação, filtragem de informação e personalização. Por meio desta aproximação com o mercado, Byron desenvolveu diversos projetos de pesquisa e desenvolvimento nas suas áreas de pesquisa, com destaque para tecnologias de processamento de documentos de imagens digitais para o mercado privado e público. 

Artigos mais lidos pelo (s) mesmo (s) autor (es)